Лекція 8 Функціональна та

кореляційна залежності.
План
1.Визначення функціональної та статистичної залежності
2.Кореляційна залежність
3.Метод найменьших квадратів
4.Середня квадратична помилка рівняння регресії
5.Коефіцієнт кореляції
6.Властивості коефіцієнта кореляції.
7.Кореляційне відношення
8.Однофакторний дисперсійний аналіз
9.Властивості кореляційного відношення
 1.Визначення функціональної та
статистичної залежності
• Функціональна залежність між двома змінними
величинами характеризується тим, що кожному
значенню однієї з них відповідає цілком певне
значення іншої. Наприклад, S = πR2.

Визначення. Змінні величини х і у пов'язані статистично, якщо кожному

значенню однієї з них відповідає розподіл іншої, що змінюється зі зміною
першої величини, причому змінюються і варіанти, і частоти. При цьому
кожному значенню змінної х поставлено у відповідність середнє
арифметичне відповідної йому змінної у.
 2.Кореляційна залежність
• Припустимо, що залежність групових середніх величин від
відповідних значень х близька до лінійної. Тоді: : y=b*x+a
• Може виявитися, що між значеннями х і груповими середніми
змінною існує кореляційна залежність y=f(x) (xi ).
• Якщо змінні рівноправні,Y то існує функціональна кореляційна
залежність залежність х на у: X   ( y ), y j  X .
• Кореляційною залежністю між двома величинами називається
функціональна залежність між однією з них і відповідними
груповими середніми іншої.
• y=f(x ) та x   ( y ), називаються кореляційними рівняннями.
• Їхні графіки називаються прямими регресії.
• Завдання зводиться до знаходження параметрів функцій y=f(x)
• та x   ( y ) .
 3.Метод найменьших квадратів
• Завдання зводиться до знаходження параметрів функцій y=f(x) та
x   ( y)
• Шукана пряма служить та, яка ближче інших розташована до точок
А1,А2,…Аs(x, ) і точок на прямій y=f(x) А1',A2'…As', що мають
однакові абсциси (х). За методом найменших квадратів визначають
функцію Z:

, Z=  ( yi  y( x)) 2  min Z   ( y  (bx  a )) 2  min,

i i
Z / a  0
Z / b  0
Вирішуємо систему нормальних рівнянь

a * n  b *  xi   y i  x * y  n* x* y
i i x* y  x* y
b i
b
 x  n * ( x)
i i 2 2 2
a *  xi  b *  x   y i * xi
2
i i
i
x x
2
i i

a  y b* x
 4.Середня квадратична помилка
рівняння регресії
• Середня квадратична помилка рівняння регресії -

Аср  (y  y
i
i ) /(n  m)
теор 2
i

де n-обсяг вибірки, m-число параметрів лінії регресії .

А  Аср / усртеор
. *100

Можна порівнювати А с y Якщо Ay

то использование уравнения регрессии является целесообразным.
Для того, щоб оцінити коливання величини навколо свого середнього
значення при заданому інтервалі зміни величини Х, необхідно межі
інтервалу з умови коливання по Х : Х  0,1 * Х  Х  Х  0,7 * Х
підставити на рівняння регресії
y  а  b* х
 5.Коефіцієнт кореляції
• При порівнянні функціональних і кореляційних залежностей
треба пам'ятати, що з наявності функціональної залежності між
ознаками, знаючи величину Х, можна точно визначити величину
У.
• За наявності кореляційної залежності встановлюється лише
тенденція зміни результуючої ознаки.
• Повинні виконуватися вимоги добору об'єкта дослідження та
ознак факторів:
• - нормальний розподіл досліджуваних ознак,
• - однорідність одиниць сукупності факторів,
• - у кожній сукупності досить велика кількість спостережень,
• -Всі, що включаються в дослідження фактори повинні бути
незалежні один від одного.
 Коефіцієнт кореляції
• Тіснота зв'язку між факторами
визначається коефіцієнтом кореляції

x* y  x* y
r=
x/ y
  ( )  х / у *  у / х >0,
 х * у
x/ y y/x Коефіцієнти регресії >0). Підкореневий вираз завжди
більше 0.

Лінійний коефіцієнт кореляції -1<r<1. Що ближче r по модулю

до 1, то зв'язок.
При r>0 – пряма залежність, r<0 – зворотна залежність.
r2 – коефіцієнт детермінації.
Коефіцієнт кореляції позитивний, якщо коефіцієнт регресії
більше 0 x/ y
 6.Властивості коефіцієнта
кореляції.
• 1.Абсолютна величина коефіцієнт кореляції
не перевищує 1.
• 2.Виконання умови r=+(-)1 є необхідним та
достатнім
• умовою того, щоб У та Х були пов'язані
лінійною функціональною залежністю.
• 3. Якщо регресія У на Х точно лінійна, і
коефіцієнт кореляції r=0, всі групові середні
змінної У збігаються з її загальної середньої,
тобто. між У та Х немає лінійного
кореляційного зв'язку.
 7.Кореляційне відношення
• Визначення. кореляційним відношенням у
них називається відношення міжгрупового
середнього квадратичного відхилення
змінної у до її загального середнього
квадратичного відхилення
• Кореляційне відношення є мірою тісноти

будь-якої форми кореляційної залежності між

у них. Це перевага кореляційного відношення
о

порівняно з коефіцієнтом кореляції. Це і

недолік, тому що це дуже загальна міра.
2 Міжгрупова дисперсія
 8.Однофакторний
дисперсійний аналіз
• Теорема складання дисперсій.
• Загальна дисперсія  02 дорівнює сумі міжгрупової
дисперсії  2 та середньої із внутрішньогрупових
дисперсій  2
j :
•2 =
0
 2
+  2j
k 2

(y  y0 ) * n j

• 
j
2
=
j 1
k Міжгрупова дисперсія показує ту
n
j 1
j

• частину коливання результуючого ознаки, що складається під впливом

ознаки фактора, покладеного в основу угрупування.
 Теорема складання дисперсій.

yj - середнє значення результативної ознаки у відповідних групах,

y0- загальна середня для всієї сукупності,
nj-число спостережень у відповідних групах

 2
j *nj
Середня із внутрішньогрупових дисперсій показує ту
 2 =
j
k частину варіації результативної ознаки, яка обумовлена ​дією
n j 1
j інших випадкових причин.

(y ij  y j )2
-групова дисперсія.
 2j  i

nJ

вся варіація результативної ознаки обумовлена ​

Коли  2j =0 ,
фактором x.
 9.Властивості кореляційного
відношення.
• 1. Кореляційні відношення невід’ємні і не
перевищують 1.
0   ух  1 0   ху  1
2.Рівність нулю кореляційного відношення є необхідною і достатньою
умовою, щоб був відсутній кореляційний зв'язок між факторами.
2 =0

3. Рівність 1 кореляційного відношення є необхідною і достатньою

умовою того, щоб між х і у існувала однозначна функціональна залежність.
4. Для однієї і тієї ж кореляційної таблиці, що характеризує
взаємозалежністьУ та Х, обидва кореляційні відношення  ух  ху
щонайменше абсолютної величини коефіцієнта кореляції r.

5.Виконання  ху  r або  ух  r є необхідною і достатньою умовою

того, щоб регресія х на у була точно лінійною.